在這篇博客中，我介紹了 JMP Pro 17 中基因表達數據建模的工作流程。 繼續閱讀以了解如何應用這些步驟。
模型化
Predictor Screening 平台對於分析大型數據集非常有用，其中對一個樣本進行了數百或數千次測量，並且需要創新的方法。 例如，它可用於幫助識別來自患有和未患有疾病的患者的數千個測試樣本中的生物標誌物，以預測病情。 它還可用於在進行任何類型的進一步分析之前快速篩選重要的生物標誌物，例如用於降低模型複雜性和提高預測模型準確性的建模。
由於 Predictor Screening 平台使用與 Response Screening 不同的方法，它通過使用 bootstrap 森林模型來篩選響應的潛在預測變量，從而找到驅動數據發生巨大變化的變量。
在這裡我們可以看到排名預測因子（生物標誌物）貢獻的結果：
通常，基因表達譜顯示出相似性，這表明存在一些共同調節；它通常有利於減少高度相關的候選人的數量。 這聚類變量平台對預測模型中使用的輸入變量的數量進行降維。 它通過查找類似變量的組來減少輸入，以便單個變量可以代表每個組。
它在樣本聚類中結合了主成分分析 (PCA)聚類變量平台的統計詳細信息. PCA 是一種通過揭示哪些變量的行為相似來理解許多變量之間的關係和一些潛在影響的工具。 它還揭示了哪些變量在重要變量中是唯一的。
下面，我從預測篩選中選擇了 50 個最重要的變量，並將它們用於聚類變量。
在聚類摘要中，我們只看到 10 個具有最具代表性的變量的唯一變量組。 請注意，聚類的數量可能因一項分析而異，因為從預測篩選中選取的變量可能因一項分析而異。
在此示例中，在集群 1 中，我們可以將 23 個變量放在一起，因為它們的表現相似。 從這一組中，我們只需要查看變量 -15645。 這個單一變量解釋了這 23 個變量中發生的第一主成分中 81.3% 的變異。 這個單一變量也解釋了 50 個變量中所有變異性的 37.4%。 變量 -15645 與其集群中的變量具有最高的相關性。 總之，聚類變量可以非常快速地分析唯一性，使我們能夠進一步識別需要更詳細分析的重要變量。
下一步是對我們的基因進行建模，以了解它們的表達水平如何影響反應（組織階段）。 模型篩選使我們能夠自動找到最適合數據的模型。 從建議的模型列表中，我們可以選擇我們想要應用的模型。 在我們的例子中，XGBoost 表現最好，RSquare 為 97%。
從 XG Boost 模型中，Prediction Profiler 使我們能夠檢測基因表達水平將如何影響響應的預測值。 在這裡我們可以看到五個基因的表達水平對組織的分化階段有影響。
就這樣，JMP Pro 17 成功地識別出少數生物標誌物，這些生物標誌物在排卵前卵泡發育的不同組織類型和組織階段具有不同的表達。
